RAG（检索增强生成）
先从知识库检索相关文档再生成回答的 AI 架构，使输出锚定可验证来源。在器械合规中，RAG 降低幻觉法规事实的风险。
通用大模型可能「自信地」编造清关号或日期。RAG 在生成前检索已核实语料，是合规场景的更安全默认架构。
为何合规需要 RAG
- 每条主张可回到文档、页码与版本
- 降低无源生成
- 便于审计与 RA 复核
RAG 与微调
微调改善文风与格式，不保证推理时事实正确。合规默认用 RAG；微调可作语气层。
在厂商投标台语境中，RAG（检索增强生成）不是孤立术语：它连接目录真相、证据对象与买方模板导出。应标系统应把相关主张落成可审状态（match / partial / gap），而不是只生成流畅段落。
评标与 RA/QA 核验时，买方关心的是可追溯性：来源文件、版本、有效期与行级引用。任何自动化输出（含 AI）若无法回到证据，只能算草稿，不能算提交就绪内容。
Orbid AI（原 MedStrato）把此类概念落实在应标闭环中；通用大模型可用于叙事辅助，但系统主档仍应持有规格与证书真相。度量与速度数字若出现在营销材料中，应视为内部/供应商自报基准，并在贵司标书与目录上验证。
与英文定义对齐的要点
- Why RAG matters for compliance
- RAG vs. fine-tuning
以上结构对应英文词条「RAG (Retrieval-Augmented Generation)」的主要章节，便于多语种团队对照同一概念。